导读:本文包含了多查询优化论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:计划,网络,重写,全局,传感器,视图,估值。
多查询优化论文文献综述
王蔓子[1]（2019）在《基于公共子结构的RDF多查询优化算法研究》一文中研究指出随着语义网技术的快速发展和广泛应用,RDF数据规模不断扩大。海量的RDF数据集使得多个用户同时提交查询请求时如何快速高效的返回相应结果集的多查询问题成为目前研究的热点之一。而传统的单查询优化主要是从查询语句本身以及数据处理的角度提高单个查询执行效率,没有考虑到多个查询之间可重复使用的公共部分可以更大程度上减少整体计算代价。由于多个被单独优化的查询依次顺序执行所累加的时间代价要远远高于查询集进行多查询优化处理的整体执行代价。故相较于单查询优化,加速高并发查询处理的多查询优化对解决多查询应答缓慢的问题具有极大的现实意义和实际价值。多查询中公共子结构的复用可以降低整体的计算代价,从而提高多查询的执行效率。因此本文针对公共子结构的构造,搜索,重用,提出两种不同的算法进行多查询优化。主要工作分为以下方面:1)构建特定的RDF数据存储索引机制和语义化简规则;2)提出并实现了基于叁元组模式重排的RDF多查询优化算法,在尽可能构造公共子结构的同时,对具备价值的公共子结构建立物化视图以实现复用;3)提出并实现了利用公共子结构进行查询重写的RDF多查询优化算法,基于在查询图中搜索到的公共子结构进行查询改写,利用选择率估计对重写后的查询进行再次优化。将本文的多查询优化算法与当前主流的查询引擎进行对比实验,结果表明本文的方法在查询效率方面均具有可观的效果。特别是在RDF数据集规模较大,查询集中查询数量较多,查询语句较为复杂的情况下,本文的多查询优化方法效果更好。(本文来源于《武汉科技大学》期刊2019-05-01）
程文静[2]（2017）在《传感器网络中的多查询优化技术研究》一文中研究指出对查询技术的研究是传感器网络中的一个重要方面,而查询优化又是提高查询效率的重要途径之一。当前对查询优化的研究主要集中在单个查询应用上,对多查询优化的研究并不太多。本文介绍并对比了叁种不同的多查询优化技术CACQ、TTMQO,它们各有特点,并适用于不同的应用情境。(本文来源于《电子世界》期刊2017年14期）
赵登[3]（2017）在《基于缓存策略的多应用共享传感网多查询优化研究》一文中研究指出无线传感器网络因其广泛的应用和巨大的发展前景,正受到越来越多人们的关注。传感器节点通常由电池供能,由于环境因素等难以充电或更换电池,当一个节点电池能量耗尽,整个网络的生命周期即终止。所以,如何有效节省网络耗能是目前研究重点之一。目前无线传感器网络通常仅支持单一应用,这造成网络资源浪费,且降低传感器节点利用率。所以,越来越多的研究拟构建多应用共享的传感网,从而节省网络耗能和提高节点利用率。在一些特定场景下传感器数据可能不会在一段时间内剧烈变化,精确度在一定范围内的数据也可应答用户请求,将历史数据进行缓存并用于应答用户查询,可减少网络实时获取数据量和网络耗能。本文针对上述研究问题提出了多应用共享的传感网,构造二级缓存策略,实现能量有效的多查询优化。主要研究内容如下:首先,本文构建多应用共享的无线传感器网络模型。针对网络多应用分解后的多个查询任务,根据其查询区域、查询时长及查询属性重写为0-1二进制串,并对该多应用查询的二进制串取并集,实现多应用的合并和数据共享。其次,对网络划分网格,构建基于基站和网格头结点的二级缓存模型。其中网格头结点只存储该单个网格内节点数据,并将用户所需数据传输给基站,基站进行整个网络数据的缓存与用户应答,并合理设置基站数据替换、数据预取算法。然后,构建基于缓存机制的多应用共享传感网中多查询优化机制。针对多个应用合并后所需获取的数据,首先从基站查找是否缓存有在有效范围内的数据,如果有则直接由基站缓存数据应答;否则,从网格头结点缓存数据获取。查询数据通过索引树上传至基站,基站进行缓存更新、数据预取及多应用查询应答。最后,本文对所构建的基于缓存策略的多应用共享传感网多查询优化过程,进行上机模拟实验,并与相关工作作对比。理论分析和实验结果证明了本文所构建模型方法的技术可行性和能量有效性。综上所述,该论文所研究的多查询优化方法,可高效应对多用户多应用请求,对无线传感器网络低能耗查询方面作进一步的推动。(本文来源于《中国地质大学(北京)》期刊2017-05-01）
林言[4]（2017）在《基于A*算法的分组多查询优化研究与实现》一文中研究指出多查询优化是加速高并发查询处理的重要方法。传统的多查询优化方法面向强相似性查询输入场景,通过各类启发式搜索策略快速获得全局近似最优解。其中,基于A*算法的多查询优化算法是传统多查询优化算法的代表,有大量研究对其进行了改进和优化。然而这些方法无法应对场景中可能出现的大量弱相似性查询。同时优化这些查询时,查询间可共享部分少,可选择的组合多,从而可能导致多查询优化的开销大于收益,无法获得较好效果。因此本文针对传统多查询优化算法在弱相似性查询输入场景中性能低下的问题,提出基于A*算法的分组多查询优化算法并在Impala系统中进行了集成。首先分析基于A*算法的多查询优化算法,并提出一种分组策略对其进行改进,加速其在弱相似性查询场景中的处理过程;接着,通过修改Impala系统的查询处理过程使其支持多查询优化,并将改进的算法集成到系统中。最后从多查询优化算法性能和分组策略执行效率两个方面在TPC-DS数据集上进行了对比实验。实验结果表明本文提出的方法能加速多查询执行过程,有效提升查询性能。(本文来源于《浙江大学》期刊2017-01-05）
赵保学,李战怀,陈群,潘巍,姜涛[5]（2013）在《基于共享的MapReduce多查询优化技术》一文中研究指出为解决MapReduce处理多个查询时效率低下的问题,提出了一种基于查询共享的MapReduce查询优化方法——ShareOpt优化。通过分析所有查询的操作模式,找出其中共享的子查询部分,并根据子查询的执行顺序构造执行计划有向图(DAG),最终确定一组查询的整体执行计划。通过与Hive和Pig的对比,验证了该方法能够在保证准确性的情况下有效地减少执行步数,提高查询执行的效率。(本文来源于《计算机应用研究》期刊2013年05期）
陆戌辰[6]（2012）在《基于列存储的OLAP多查询优化策略研究与实现》一文中研究指出凭借纵向分割的灵活特性,列存储已被证明比行存储更适合查询密集的分析型应用。作为分析型应用之一的OLAP,其基本操作可以被映射为一组比较复杂且运行时间长的查询语句。研究表明,利用列存储实现OLAP应用有望获得较好的执行性能。但是,在多查询优化方面,列存储的纵向分割特性反而破坏了维表数据的层次关系,使得行存储的优化策略不再适用。此外,列存储系统查询执行过程中大量列与列之间的连接操作使得全局计划空间大幅膨胀,传统搜索算法缺乏实际可行性。针对上述情况,本文提出了一种基于列存储的OLAP多查询优化策略。该策略既保留了列存储系统的读优化特性,又实现了多查询间的操作和数据复用。本文主要贡献如下：根据列存储系统和OLAP操作的特点,提出一系列转换规则,为OLAP查询请求所对应的一组相关查询语句生成一个单一全局查询计划；在全局计划中引入新的过滤结点、分组结点、合并结点和聚集结点,并为这些结点设计共享复用属性；改进MuGA (Multiply Group by Algorithm)算法,通过分组结点、合并结点、连接结点分别为维表和事实表元组标记分组序号,从而实现列扫描、列连接的共享；同时,为聚集结点提出一个多阶段聚集算法,结合最终生成的事实表复合分组序号,实现聚集操作的复用。与此同时,本文在达梦列存储数据仓库管理系统项目的基础上设计了OLAP系统多维模型的定义与创建,介绍了查询语句组词法语法解析到全局计划构建的处理流程,并简单论述了物理执行实现的设计思路。采用SSB数据集设计模拟的一系列实验表明,在处理海量数据时,列存储和多查询优化能够帮助OLAP系统大幅缩短响应时间。(本文来源于《东华大学》期刊2012-12-01）
陆戌辰,王梅,乐嘉锦[7]（2012）在《列存储中的OLAP多查询优化方法》一文中研究指出为了使列存储OLAP(on-line analytical processing)操作中I/O和CPU开销较大的扫描、连接、聚集操作实现有效的共享和复用,提出了一个多查询优化技术。根据列存储以及OLAP操作的特点,提出了一系列转换规则,为OLAP查询请求产生的一组相关查询语句生成一个单一全局查询计划。为了达到共享复用的目的,在全局计划中引入新的过滤结点、分组结点、合并结点和聚集结点。同时,借用MuGA(multiply group by algo-rithm)算法,通过分组结点、合并结点、连接结点实现维表及事实表元组的分组序号标记,从而实现列扫描、列连接的共享。并为聚集结点提出了一个多阶段聚集算法,结合最终生成的事实表复合分组序号,实现聚集操作的复用。在SSB(star schema benchmark)数据集上设计实验,证明了该多查询优化策略的有效性。(本文来源于《计算机科学与探索》期刊2012年09期）
李希明,郑瑾[8]（2011）在《无线传感器网络中基于关联度的多查询优化》一文中研究指出无线传感器网络是一种以数据为中心的网络,用户通过基站向网络提出查询请求获取所需数据。如何通过多查询的优化来减少传感器节点的能耗以延长网络生命期是无线传感器网络中需要解决的关键问题之一。提出了基于关联度的多查询优化算法,其基本思想是节点通过节点与候选父亲节点之间的关联度来选择父节点,从而被相同查询覆盖的节点聚集成一个组,多个查询间共享组中节点的数据,在网络中对查询数据进行有效的融合,充分减少了网络的数据传输量,延长了网络的生命期。理论分析和模拟实验表明该算法可以充分减少数据传输量,从而达到节能的目的。(本文来源于《计算机工程与应用》期刊2011年21期）
李希明[9]（2010）在《无线传感器网络中面向节能的多查询优化研究》一文中研究指出无线传感器网络是由大量的传感器节点通过自组织形成的一个无线网络,能够对大范围区域进行有效监测,并对监测数据进行处理,将其传送到需要这些信息的用户。由于无线传感器网络中的节点都是通过电池供电,一旦能量用完就会失效。因此,如何能量高效地对无线传感器网络中的多查询进行优化,降低网络节点的能耗是本论文的研究重点。本论文分析了现有的无线传感器网络内部多查询处理技术,提出了基于关联度的多查询优化算法(Association Degree-based Multiple Queries Optimization algorithm, ADMQO)。提出了关联度的概念,用来衡量节点间的数据相关性,节点通过计算与候选父亲节点之间关联度选择父节点,使得查询重迭区域的节点聚集到同一组中。对于相同的查询数据,组中的节点可以一次性传输而不必多次重复传输,从而有效地减少网络数据的传输量。模拟分析表明,该算法有效地减少了网络中的数据传输量。本论文利用多个查询间存在查询数据重迭的现象,提出了基于查询重写的多查询优化算法(Query Rewriting based Multiple Queries Optimization algorithm, QRMQO)。在基站处对前一周期用户提交的查询进行解析、重写,使得多个查询间共享查询数据,从而减少了分发到网络中的查询数量,进而减少了网络的传输数据量。模拟结果表明,该算法充分减少了网络中的数据传输量,达到了节能的目的。由于传感器节点的能量主要消耗在传输数据上,所以减少节点数据传输量可以有效延长网络生命期。本论文提出的多查询算法利用共享机制实现多个查询间的数据共享,有效地减少了网络中的数据传输量,这对于无线传感器网络中的相关研究具有一定的参考价值。(本文来源于《中南大学》期刊2010-05-01）
刘峰[10]（2009）在《数据集成系统中多查询优化的研究》一文中研究指出多查询优化的主要目的就是为了消除多个查询间存在的冗余。基于扩展查询头部变量算法,提出一种多查询优化算法。其主要思想是:通过构造一棵查询集合的伪包含树,建立查询间的联系。然后通过解析这棵树,来构造全局优化的查询计划。(本文来源于《科学技术与工程》期刊2009年12期）
多查询优化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对查询技术的研究是传感器网络中的一个重要方面,而查询优化又是提高查询效率的重要途径之一。当前对查询优化的研究主要集中在单个查询应用上,对多查询优化的研究并不太多。本文介绍并对比了叁种不同的多查询优化技术CACQ、TTMQO,它们各有特点,并适用于不同的应用情境。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多查询优化论文参考文献
[1].王蔓子.基于公共子结构的RDF多查询优化算法研究[D].武汉科技大学.2019
[2].程文静.传感器网络中的多查询优化技术研究[J].电子世界.2017
[3].赵登.基于缓存策略的多应用共享传感网多查询优化研究[D].中国地质大学(北京).2017
[4].林言.基于A*算法的分组多查询优化研究与实现[D].浙江大学.2017
[5].赵保学,李战怀,陈群,潘巍,姜涛.基于共享的MapReduce多查询优化技术[J].计算机应用研究.2013
[6].陆戌辰.基于列存储的OLAP多查询优化策略研究与实现[D].东华大学.2012
[7].陆戌辰,王梅,乐嘉锦.列存储中的OLAP多查询优化方法[J].计算机科学与探索.2012
[8].李希明,郑瑾.无线传感器网络中基于关联度的多查询优化[J].计算机工程与应用.2011
[9].李希明.无线传感器网络中面向节能的多查询优化研究[D].中南大学.2010
[10].刘峰.数据集成系统中多查询优化的研究[J].科学技术与工程.2009
论文知识图
